下载文档原格式
⼈⼯智能习题答案-第6章-专家系统第六章专家系统6-1 什么叫做专家系统?它具有哪些特点与优点?专家系统是⼀种模拟⼈类专家解决领域问题的智能计算机程序系统，其内部含有⼤量的某个领域专家⽔平的知识与经验，能够利⽤⼈类专家的知识和解决问题的⽅法来处理该领域问题。
也就是说，专家系统是⼀个具有⼤量的专门知识与经验的程序系统，它应⽤⼈⼯智能技术和计算机技术，根据某领域⼀个或多个专家提供的知识和经验，进⾏推理和判断，模拟⼈类专家的决策过程，以便解决那些需要⼈类专家处理的复杂问题。
特点：(1)启发性专家系统能运⽤专家的知识与经验进⾏推理、判断和决策(2)透明性专家系统能够解释本⾝的推理过程和回答⽤户提出的问题，以便让⽤户能够了解推理过程，提⾼对专家系统的信赖感。
(3) 灵活性专家系统能不断地增长知识，修改原有知识，不断更新。
优点：(1) 专家系统能够⾼效率、准确、周到、迅速和不知疲倦地进⾏⼯作。
(2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。
(3) 可以使专家的专长不受时间和空间的限制，以便推⼴珍贵和稀缺的专家知识与经验。
(4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够⼴泛有⼒地传播专家的知识、经验和能⼒。
(5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重⼤问题的能⼒，它拥有更渊博的知识、更丰富的经验和更强的⼯作能⼒。
(6) 军事专家系统的⽔平是⼀个国家国防现代化的重要标志之⼀。
(7) 专家系统的研制和应⽤，具有巨⼤的经济效益和社会效益。
(8) 研究专家系统能够促进整个科学技术的发展。
专家系统对⼈⼯智能的各个领域的发展起了很⼤的促进作⽤，并将对科技、经济、国防、教育、社会和⼈民⽣活产⽣极其深远的影响。
6-2 专家系统由哪些部分构成?各部分的作⽤为何?(1) 知识库(knowledge base)知识库⽤于存储某领域专家系统的专门知识，包括事实、可⾏操作与规则等。
专家系统的开发过程简介专家系统是一种模仿人类专家决策过程的人工智能系统，通过收集领域知识和规则，以及运用推理和推断技术，来解决特定领域的问题。
它主要由知识库、推理机和用户界面三个组成部分构成。
专家系统的开发过程可以分为知识获取、知识表示、知识推理以及系统评估和维护等步骤。
知识获取知识获取是专家系统开发的第一步，它是开发中最为困难和复杂的部分。
知识获取可以通过以下方法进行： 1. 领域专家访谈：与领域专家进行面对面的访谈，直接获取专家的知识和经验。
2. 文献调研：查阅相关的书籍、论文和文章，获取领域内的知识和规则。
3. 数据挖掘：通过分析大量的数据，找到其中的规律和知识。
4. 规则抽取：从现有的系统中抽取规则和知识。
知识表示知识表示是将获取到的知识进行组织和表示的过程。
常用的知识表示方法有： 1. 规则表示：基于规则的专家系统将知识表示为一系列的“如果-那么”规则，规则由前件和后件组成，前件是条件，后件是结论。
2. 框架表示：框架表示根据领域知识的特点和结构，将知识以框架的形式进行表示和存储。
3. 语义网络表示：语义网络表示将知识表示为节点和关系的网络结构，每个节点代表一个概念，关系表示概念之间的关联。
知识推理知识推理是专家系统的核心部分，通过对知识的推理和推断，来解决问题和作出决策。
常用的推理方法有： 1. 前向推理：从已知事实出发，通过匹配规则的前件条件，逐步推导出结论。
2. 后向推理：从目标结论出发，根据规则的后件条件，逆向推导出满足条件的前提。
3. 反向推理：根据用户提供的问题或目标，向后推导出满足目标的推理链。
4. 混合推理：结合前向、后向和反向推理的特点和方法，进行综合推理。
知识系统评估和维护系统评估和维护是专家系统开发过程的最后一步，它的目的是验证专家系统的有效性和可靠性，并对系统进行修正和改进。
常用的评估和维护方法有： 1. 测试和验证：对专家系统进行测试和验证，评估系统的正确性和性能。
金融风险管理中的专家系统设计与应用引言金融风险管理是现代金融领域的重要问题之一，它涉及到许多方面，包括市场风险、信用风险、流动性风险等。
为了有效地管理金融风险，专家系统的设计和应用成为了一种重要的方法。
本文将讲述金融风险管理中专家系统的设计与应用的相关知识。
一、专家系统的设计1.1 专家知识的获取专家系统的设计首先需要获取专家的知识，这一过程称为知识工程。
知识工程可以通过访谈专家、读取文献和记录专家的操作等方式来获取，其中访谈专家是最常用的一种方法。
通过面对面的交流，专家可以将自己的知识传达给知识工程师，从而对专家系统的设计起到重要的作用。
1.2 知识表示知识表示是专家系统的核心和基础，其目的是将专家的知识转化为计算机可识别的形式。
在金融风险管理中，常用的知识表示方法包括规则表示、框架表示和神经网络表示等。
其中，规则表示是最为常用的方法之一，它可以将专家的知识表示为一系列“如果……那么……” 的规则，便于计算机程序的理解和使用。
1.3 推理机制专家系统的推理机制是指根据专家系统中的知识库和前提，进行逻辑推理，从而得出结论的过程。
在金融风险管理中，推理机制可以根据不同的风险类型，构建相应的推理策略，例如基于规则的推理、基于案例的推理和基于模型的推理等。
二、专家系统在金融风险管理中的应用2.1 市场风险管理市场风险是金融风险管理中的重要一环，是指在金融市场中由市场变化带来的资产损失，如股票市场波动等。
专家系统可以通过分析市场数据，构建预测模型和风险评估模型等方法，对市场风险进行管理和预测。
2.2 信用风险管理信用风险是指在金融交易中，由于债务人无法按照合同规定偿还债务而导致的金融损失。
专家系统可以通过构建信用评级模型、开展信用监管和风险控制等方面，对信用风险进行有效管理。
2.3 流动性风险管理流动性风险是指在金融市场中，由于资金不足或无法及时变现而导致的金融损失。
专家系统可以通过开展流动性风险监控、构建预测模型和风险评估模型等方面，对流动性风险进行有效管理。
专家系统的概述专家系统呢，整体来看是一种很有趣也很有用的计算机程序系统。
我给你讲讲我理解的这个系统的框架哈。
大致分这几个主要部分吧。
首先得有知识库，这个知识库就像是专家的大脑存储的知识，它里面包含了特定领域大量的事实和规则。
比如说，要是一个医疗专家系统，那知识库里头就有很多疾病的症状、病因、诊断方法和治疗方案这些内容。
然后就是推理机了，这可是核心内容之一。
它就像是一个思维的引擎，能根据知识库中的知识对输入的问题进行推理。
举个例子，如果是上面说的医疗专家系统，你输入一系列身体不舒服的症状，像头痛、发热、咳嗽，推理机就从知识库中找与之匹配的疾病知识，通过分析推理得出可能的疾病诊断。
还有用户接口也很重要，这个部分主要是让用户能方便地和专家系统交互的通道。
用户可以把自己的问题通过这个接口输入进去，得到系统给的答案。
就像是咱们去医院前台挂号之后，然后跟医生叙述病情这个互动过程，用户接口就是这个桥梁。
除了这几个，还有数据库负责存储中间结果和相关数据，知识获取机构负责更新和扩充知识库。
比如说随着医学研究不断有新的疾病或者治疗方法被发现，知识获取机构就把这些新内容添加到知识库当中。
不过在我理解这个专家系统的过程中，也遇到过困惑。
比如说这个推理机的工作逻辑有时候是很复杂的，很难一下子完全清楚到底是怎样在那么多的知识里准确判断和推理的。
领悟的话，就是后来明白了这些部分之间相互依赖相互配合，少了哪个部分这个专家系统都不能很好地工作。
主要脉络就是这样的知识进入知识库，推理机利用知识库应对用户输入，交互过程中的各种数据存储在数据库，新知识不断更新知识库，然后这些流程都通过用户接口一个环节拉通，这就是专家系统大概的情况啦。
专家系统在人工智能中的使用在人工智能领域，专家系统是一个独特的技术，它的作用是提供有关各种问题的有价值的知识。
专家系统可以收集来自不同来源的信息，并通过训练出特定的结果来帮助决策，有效支持业务流程。
专家系统在人工智能中的主要用途是处理具有技术性质和复杂性的问题。
这包括信息获取，推理和推理的结果的应用。
为了完成这些任务，专家系统需要访问一系列的数据库，将所有可用的信息汇集到一起。
它通过将相关的知识组合成一种“诊断-规则”的模式来处理具体的问题，这种模式允许它从大量的数据库中提供有效的解决方案。
专家系统也可以用于处理较小型的问题，如自动文摘，以及对图形和视觉处理中的物体进行定位。
此外，它还可以用于帮助飞行员在飞行中作出明智的决策。
专家系统也可以用于解决应用问题，如资源管理，生产调度，电力调度等。
它们使用以建立模型和算法为基础的机器学习技术，它可以解读输入数据，确定最优解。
它还可以用于分析模式，以及把输出的结果转化为易于人们理解的格式。
专家系统在人工智能领域中占据着重要的位置，它提供了一种智能的解决方案，可以帮助解决复杂的问题，并最大限度地提高系统的性能。
它也可以改善企业流程、管理风险和决策过程。
专家系统是一种人工智能技术，它指的是使用软件来模拟人类专家，帮助客户解决问题、获取信息和理解难以理解的问题的技术。
专家系统利用系统学习的方法来从数据中识别模式和规律，实现对数据的自动分析。
在人工智能领域中，专家系统的使用已被广泛应用于不同的行业，这些行业包括但不限于医学、工程、企业管理、生物学、图书馆和情报收集等。
专家系统的应用还涉及航空安全、军事科学、计算机领域、金融、预测、过程控制和机器学习等。
专家系统的核心功能是使用专家知识（包括专业经验和有关技术知识）来识别、模拟和处理类似人类思维的复杂问题，这些问题往往是由专家经过漫长而又艰苦的相关研究才能得出结论。
专家系统可以运用集合推理的方法，从每个问题的语义环境中提取有用的知识，求出最可靠的解决方案。
专家系统案例概述：健康管理专家系统是一个基于人工智能技术的应用程序，旨在帮助用户管理和改善他们的健康状况。
该系统通过收集用户的个人健康信息、分析症状和提供健康建议，为用户提供个性化的健康管理方案。
问题描述：小明是一位上班族，最近感觉精神疲惫、经常头痛和失眠。
他希望能够找到一种有效的方法来改善他的健康状况，提高生活质量。
于是，他决定寻求健康管理专家系统的帮助。
专家系统实施：1. 数据收集与询问系统首先会向小明询问他的个人信息，如年龄、性别、职业等。
然后，系统进一步询问他的症状、饮食习惯、生活方式等与健康相关的信息。
2. 分析与诊断基于小明提供的个人信息和症状，系统会使用内置的专业知识库和规则来进行分析和诊断。
系统可能会基于该信息判断小明可能处于工作压力过大、饮食不均衡、缺乏运动等一些常见的健康问题。
3. 提供建议与计划专家系统将根据诊断结果为小明提供健康建议和管理计划。
系统可能建议小明采取一些放松身心的方法、改善饮食结构、增加体育锻炼等措施，以改善他的健康状况。
4. 反馈与答疑系统会向小明解释和展示背后的推理过程，并回答他可能有的疑问。
小明可以通过系统的反馈了解为什么会得到这样的建议以及如何实施。
系统优势：1. 个性化：系统能够根据每个用户的个人信息和症状，提供定制化的健康建议和管理计划，满足用户不同的需求和条件。
2. 高效性：系统可以迅速收集、分析和处理大量的健康信息，快速提供诊断结果和改善方案。
3. 可靠性：系统基于专业知识库和规则，使用科学方法进行推理和分析，能够提供较为准确和可靠的健康建议。
4. 知识共享：系统还可以积累用户的健康信息和反馈数据，进一步完善系统的知识库和规则，提高系统的性能和精确度。
经过健康管理专家系统的帮助，小明能够更好地管理和改善他的健康状况，提高生活质量，以更好地应对工作和生活压力。
专家系统的应用和发展情况班级：学号：姓名：指导教师：时间：摘要：专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。
专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。
英文摘要：Artificial intelligence expert systems is the most important area of application is also one of the most vibrant, it embodied artificial intelligence from theoretical research to practical application, the shift from general reasoning strategies to use the expertise of a major breakthrough.Early expert system is an important branch of artificial intelligence, which can be thought of as a computer intelligent programming system with specialized knowledge and experience, take the knowledge of knowledge representation and reasoning in artificial intelligence to simulate the often complex issues can be resolved by experts in the field.关键字：专家系统、DENDRAL、MACSYMA、HEARSAY、INTERNIST、MYCIN、PROSPCTOR、人工神经网络正文：近三十年来人工智能（Artificial Intelligence，AI）获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果。
作为人工智能一个重要分支的专家系统（Expert System，ES）是在20世纪60年代初期产生和发展起来的一门新兴的应用科学，而且正随着计算机技术的不断发展而日臻完善和成熟。
一般认为，专家系统就是应用于某一专门领域，由知识工程师通过知识获取手段，将领域专家解决特定领域的知识，采用某种知识表示方法编辑或自动生成某种特定表示形式，存放在知识库中，然后用户通过人机接口输入信息、数据或命令，运用推理机构控制知识库及整个系统，能像专家一样解决困难的和复杂的实际问题的计算机（软件）系统。
专家系统按其发展过程大致可分为三个阶段：初创期(1971年前)，成熟期(1972—1977年)，发展期(1978年至今)。
①初创期人工智能早期工作都是学术性的，其程序都是用来开发游戏的。
尽管这些努力产生了如国际象棋、跳棋等有趣的游戏，但其真实目的在于计算机编码加入人的推理能力，以达到更好的理解。
1965年在美国国家航空航天局要求下，斯坦福大学研制成功了DENRAL系统，DENRAL的初创工作引导人工智能研究者意识到智能行为不仅依赖于推理方法，更依赖于其推理所用的知识。
该系统具有非常丰富的化学知识，是根据质谱数据帮助化学家推断分子结构，被广泛地应用于世界各地的大学及工业界的化学实验室。
这个系统的完成标志着专家系统的诞生。
在此之后，麻省理工学院开始研制MACSYMA系统，它作为数学家的助手使用启发式方法变换代数表达式，现经过不断扩充，能求解600多种数学问题，其中包括微积分、矩阵运算、解方程和解方程组等。
同期，还有美国卡内基－梅隆大学开发的用于语音识别的专家系统HEARSAY，该系统表明计算机在理论上可按编制的程序同用户进行交谈。
20世纪70年代初，匹兹堡大学的鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统INTERNIST。
这些系统的研制成功使得专家系统受到学术界及工程领域的广泛关注。
②成熟期到20世纪70年代中期，专家系统已逐步成熟起来，其观点逐渐被人们接受，并先后出现了一批卓有成效的专家系统。
其中，最为代表的是肖特立夫等人的MYCIN系统，该系统用于诊断和治疗血液感染和脑炎感染，可给出处方建议（提供抗菌剂治疗建议），不但具有很高的性能，而且具有解释功能和知识获取功能。
MYCIN系统是专家系统的经典之作。
另一个非常成功的专家系统是PROSPCTOR系统，它用于辅助地质学家探测矿藏，是第一个取得明显经济效益的专家系统。
PROSPCTOR的性能据称完全可以同地质学家相比拟。
除这些成功实例以外，在这一时期另外两个影响较大的专家系统是斯坦福大学研制的AM系统及PUFF系统。
AM是一个用机器模拟人类归纳推理、抽象概念的专家系统，而PUFF是一个肺功能测试专家系统，经对多个实例进行验证，成功率达93%。
诸多专家系统地成功开发，标志着专家系统逐渐走向成熟。
③发展期从20世纪80年代初，医疗专家系统占了主流，主要原因是它属于诊断类型系统且开发比较容易。
但是到了80年代中期，专家系统发展在应用上最明显的特点是出现了大量的投入商业化运行的系统，并为各行业产生了显著的经济效益。
其中一个著名的例子是DEC公司与卡内基－梅隆大学合作开发的XCON-R1专家系统，它用于辅助数据设备公司（DEC）的计算机系统的配置设计，每年为DEC公司节省数百万美元。
专家系统的应用日益广泛，处理问题的难度和复杂度不断增大，导致了传统的专家系统无法满足较为复杂的情况，迫切需要新的方法和技术去支持。
从80年代后期开始，一方面随着面向对象、神经网络和模糊技术等新技术迅速崛起，为专家系统注入了新的活力；另一方面计算机的运用也越来越普及，而且对智能化的要求也越来越高。
由于这些技术发展的成熟，并成功运用到专家系统之中，使得专家系统得到更广泛的运用。
近年来专家系统技术逐渐成熟，广泛应用在工程、科学、医药、军事、商业等方面，而且成果相当丰硕，甚至在某些应用领域，还超过人类专家的智能与判断。
其功能应用领域概括有：解释（Interpretation）——如测试肺部测试（如PUFF）。
预测（Prediction）——如预测可能由黑蛾所造成的玉米损失（如PLAN）。
诊断（Diagnosis）——如诊断血液中细菌的感染（MYCIN）。
又如诊断汽车柴油引擎故障原因之CATS系统。
故障排除（Fault Isolation）——如电话故障排除系统ACE。
设计（Design）——如专门设计小型马达弹簧与碳刷之专家系统MOTORBRUSHDESIGNER。
规划（Planning）——就出名的有辅助规划IBM计算机主架构之布置，重安装与重安排之专家系统CSS，以及辅助财物管理之PlanPower专家系统。
监督（Monitoring）——如监督IBM MVS操作系统之YES/MVS。
除错（Debugging）——如侦查学生减法算术错误原因之BUGGY。
修理（Repair）——如修理原油储油槽之专家系统SECOFOR。
行程安排（Scheduling）——如制造与运输行称安排之专家系统ISA。
又如工作站（work shop）制造步骤安排系统。
教学（Instruction）——如教导使用者学习操作系统之TVC专家系统。
控制（Control）——帮助Digital Corporation计算机制造及分配之控制系统PTRANS。
分析（Analysis）——如分析油井储存量之专家系统DIPMETER及分析有机分子可能结构之DENDRAL系统。
它是最早的专家系统，也是最成功者之一。
维护（Maintenance）——如分析电话交换机故障原因之后，及能建议人类该如何维修之专家系统COMPASS。
架构设计（Configuration）——如设计VAX计算机架构之专家系统XCON以及设计新电梯架构之专家系统VT等。
校准（Targeting）——例如校准武器如何工作目前已研究的专家系统模型有很多种，其中较为流行的有：基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于D-S证据理论的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。
这些专家系统的技术要点如下。
（1）基于规则的专家系统基于规则推理（Rule Base Reasoning，RBR）的方法是根据以往专家诊断的经验, 将其归纳成规则，通过启发式经验知识进行推理。
它具有明确的前提，得到确定的结果。
它是构建专家系统最常用的方法，这主要归功于大量的成功实例和工具的出现。
早期的专家系统大多数是用规则推理的方法，如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。
在转化为机器语言时，用产生式的“IF…AND（OR）…THEN…”表示。
因此这种系统又称为产生式专家系统。
（2）基于案例的专家系统基于案例推理（Case Based Reasoning，CBR）的方法就是通过搜索曾经成功解决过的类似问题，比较新、旧问题之间的特征、发生背景等差异，重新使用或参考以前的知识和信息，达到最终解决新问题的方法。
它起源于1982年美国学者Roger Schank（关于人类学习和回忆的动态存储模型的研究工作）。
第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学Janet Kolodner教授领导开发的CYRUS系统。
它以Schank的动态存储模型和问题求解的MOP（Memory Organized Packet）理论为基础，做与旅行相关的咨询工作。
这种类比推理比较符合人类的认知心理。
（3）基于框架的专家系统框架(Frame) 是将某类对象的所有知识组织在一起的一种通用数据结构，而相互关联的框架连接组成框架系统。
1975年美国麻省理工学院的著名的人工智能学者明斯基在其论文中提出了框架理论，并把它作为理解视觉、自然语言对话及其它复杂行为的基础。
在框架理论中, 框架被视作表示知识的一个基本单位。
它把要描述的事务各方面的知识放在一起, 通过槽值关联起来。
框架的顶层是代表某个对象的框架名，其下为代表该框架某一方面属性的若干个槽, 槽由槽名和槽值组成。
槽下还可分为若干个侧面（由侧面名和侧面值组成）。
一个框架系统常被表示成一种树形结构，树的每一个节点是一个框架结构，子节点与父节点之间用槽连接。
当子节点的某些槽值或侧面值没有被直接记录时，可以从其父节点继承这些值。
